诺奖得主哈萨比斯复盘Google AI战略：从AlphaFold到AGI愿景

type

status

date

slug

summary

超越聊天机器人：AI的真正使命在于科学发现

当全世界都在为chatGPT的流畅对话感到惊叹时，DeepMind却凭借AlphaFold摘得了诺贝尔奖的桂冠。AlphaFold解决了一个困扰生物学界半个多世纪的核心难题——蛋白质折叠。蛋白质的空间结构决定了其功能，而结构的错误折叠往往是引发阿尔茨海默病、帕金森病及多种癌症的元凶。

在过去，科学家需要耗费数年时间和巨额资金，通过冷冻电镜等实验手段才能解析出一个蛋白质的三维结构。哈萨比斯敏锐地察觉到，蛋白质折叠本质上是一个极其庞大且复杂的模式识别问题，这正是人工智能最擅长的领域。AlphaFold的诞生，不仅以惊人的速度准确预测了蛋白质结构，更通过建立开源数据库，将全球已知的大约两亿个天然蛋白质结构免费向科学界开放。

这一举措彻底改变了生物学、医学乃至植物科学的研究范式。如今，全球已有数百万科研人员在AlphaFold的帮助下加速新药研发、培育抗旱农作物以及研究长期被忽视的热带疾病。在哈萨比斯看来，这才是AI最理想的应用场景：走出闲聊的对话框，深入实验室，成为推动人类科学进步的“终极工具”。想要获取更多关于AI在医疗科研领域的最新突破，欢迎关注专业的AI门户网站 https://aigc.bar，获取每日更新的AI新闻。

面对竞争的复盘：Google在大模型时代的得与失

尽管在基础科学领域取得了举世瞩目的成就，但哈萨比斯也坦言，在消费级大模型的争夺战中，Google确实面临着巨大的压力。Google是Transformer架构的提出者，这一技术奠定了今天所有主流LLM的基础。然而，在应用层面上，Google的Gemini似乎在声量上未能完全盖过竞争对手。

哈萨比斯在复盘时指出，包括Google在内的许多顶尖实验室，最初都低估了普通用户对AI缺陷的包容度。科研人员往往过于关注模型的幻觉问题和逻辑不稳定性，希望在实验室里将AI打磨得更加严谨科学后再推向市场。但openai的策略证明，数以亿计的真实用户反馈是实验室无法替代的“压力测试”。

这种激烈的商业竞争虽然打乱了DeepMind原本偏向科研的稳健节奏，但也带来了显著的好处：AI正以前所未有的速度普及。公众通过日常使用，逐渐适应了人工智能的存在，这为未来社会迎接AGI的到来做好了心理准备。同时，竞争也促使Google加速了产品的迭代与安全机制的完善，例如推出SynthID为AI生成内容添加数字水印，以应对深度伪造等长期风险。

从AlphaGo到AlphaFold：通往AGI的独特路径

回顾DeepMind的发展史，从击败围棋世界冠军的AlphaGo，到无需人类棋谱自我进化的AlphaZero，再到如今的AlphaFold、AlphaGenome（基因突变预测）以及AlphaChip（芯片布局），这些看似跨界的产品，实则都在践行同一个核心理念：寻找复杂系统中的最优解。

哈萨比斯对AGI的理解与许多同行不同。部分观点认为，必须先创造出一个全知全能的通用智能体，然后再让它去解决具体的科学难题。而DeepMind的路径恰恰相反：在构建AGI的过程中，提前将AI的优化与推理能力拆分出来，打造出一台台“科学发现引擎”。

这些Alpha系列产品虽然还不是完整的AGI，但它们已经让人类提前享受到了通用智能的部分价值。哈萨比斯相信，随着这些底层能力的不断融合与进化，未来的AI不仅能设计新药，还将助力人类攻克核聚变、星际探索等终极难题。这正是他三十多年前投身AI领域的初心：利用机器的智慧，帮助人类揭开宇宙与生命的终极奥秘。

AI时代的个人机遇：站在巨人的肩膀上创新

在这个技术日新月异的时代，许多年轻人对如何切入AI赛道感到迷茫。哈萨比斯给出了非常务实的建议：不要盲目去卷底层基础模型的训练，因为大模型正在快速基础设施化。

真正的机会在于应用层。通过组合现有的强大工具（如Gemini、Veo等），将其应用于特定的垂直行业，解决实际痛点。对于普通创业者和开发者来说，深入学习提示词（Prompt）工程，掌握如何高效调用大模型的能力，是实现AI变现的最短路径。

例如，结合AlphaGenome的基因预测能力与CRISPR基因编辑技术，或者利用多模态大模型开发全新的教育、设计平台，都有可能诞生价值数十亿美元的超级独角兽。在这个过程中，保持对前沿技术的敏锐嗅觉至关重要。

如果您希望在这个充满变革的时代保持竞争力，建议您将其作为日常习惯，随时访问 https://aigc.bar 。作为领先的综合性AI门户，这里汇集了最前沿的AI资讯、深度的AI日报以及实用的Prompt技巧，助您全面掌握人工智能的发展脉络，精准把握AI变现的每一个风口。